Xreferat.com » Рефераты по математике » Обработка результатов эксперимента

Обработка результатов эксперимента

имеет простое геометрическое толкование (рис. 5).

Если Обработка результатов эксперимента определяет заштрихованную область в соответствующих пределах, то

p (х Х х + Dх) » ¦ (х) D х.

Из свойств интегрального распределения следует

Обработка результатов эксперимента.

Зная дифференциальный закон распределения можно определить интегральный закон распределения

F (x) = Обработка результатов эксперимента. 2.2. Числовые характеристики случайных величин, заданных своими распределениями

Основными характеристиками случайной величины, заданной своими распределениями, является математическое ожидание ( или среднее значение ) и дисперсия.

Математическое ожидание случайной величины является центром ее распределения. Дисперсия характеризует отклонение случайной величины от ее среднего значения.

Если Х дискретная случайная величина, значения хi которой принимают с вероятностью pi, так, что Обработка результатов эксперимента, то математическое ожидание М (Х) случайной величины Х определяется равенством

M (X) = Обработка результатов эксперимента,

т.е. суммой произведений всех ее возможных значений на соответствующие вероятности.

Математическим ожиданием непрерывной случайной величины является аналог его дискретного выражения

M (X) = Обработка результатов эксперимента.

Действительно, все значения в интервале (х; х + Dх) можно считать примерно равными х, а вероятность таких значений равна ¦ (х) dx (см. ранее). Поэтому значения хi дискретного распределения заменяются х, а вероятности pi - на ¦ (х) dx, а сумма заменяется интегралом.

Дисперсией или рассеянием случайной величины Х называется математическое ожидание квадрата разности случайной величины и ее математического ожидания.

D (Х) = М [ Х - М (Х)] 2 = М (Х - х)2 = s 2 (х)

Если случайная величина Х дискретна и принимает значения хi с вероятностями pi, то случайная величина (Х - х)2 принимает значения (хi - х)2 с вероятностями Рi. Поэтому для дискретной случайной величины имеем

D (X) = Обработка результатов эксперимента

Аналогично для непрерывной случайной величины получаем

D (X) = Обработка результатов эксперимента.

Чем меньше величина дисперсии, тем лучше значения случайной величины характеризуются ее математическим ожиданием.

2.3. Основные дискретные и непрерывные законы распределения

Как отмечалось ранее, очень часто случайная величина распределена по нормальному закону. Но существуют и другие распределения, имеющие практическое значение. Рассмотрим некоторые из них по условиям возникновения и основным параметрам их характеризующим.

Равномерное распределение вероятностей.

Пусть плотность вероятности А равна нулю всюду, кроме интервала (a; b), на котором она постоянна (рис. 6). Тогда можно записать

p (a < X < b) = Обработка результатов эксперимента Обработка результатов эксперимента A = Обработка результатов эксперимента.

Тогда дифференциальный закон равномерного распределения определяется

¦ (x) = Обработка результатов экспериментаОбработка результатов эксперимента

Интегральный закон распределения

F (x) = Обработка результатов эксперимента.

При х ³ b имеем

F (x) = Обработка результатов эксперимента

Таким образом интегральный закон равномерного распределения задается (рис. 6)

F (x) = Обработка результатов эксперимента

Основные характеристики распределения

М (X) = Обработка результатов эксперимента; D(X) = Обработка результатов эксперимента = Обработка результатов эксперимента = Обработка результатов эксперимента Обработка результатов эксперимента.Обработка результатов эксперимента Биноминальное распределение

Пусть при некотором испытании событие А может наступить или не произойти (А). Обозначим вероятность А через р, а А через q = 1 -р ( других итогов испытания нет ). Тогда исходами двух последовательных независимых испытаний и их вероятностью будут:

АА - р2; АА - рq; АА - qр; АА - q2.

Отсюда видно, что двукратное появление события А равно р2, вероятность однократного появления - 2 рq, а вероятность того, что А не наступит ни разу - q2. Эти результаты единственно возможные и поэтому

Обработка результатов эксперимента.

Это рассуждение можно перенести на любое число испытаний.

Например, при трех испытаниях получим

Обработка результатов эксперимента.

Подсчитаем вероятность того, что при n испытаниях событие А появится m раз. Это может произойти, например, в последовательности

Обработка результатов эксперимента

Ясно, что вероятность равна рmqn- m. Но m событий А может быть и в другом сочетании. Число всех возможных сочетаний из n элементов по m (количество событий А) равно числу сочетаний Обработка результатов эксперимента. Используя теорему сложения вероятностей получаем общую вероятность Рm,n наступления m событий А из n испытаний

Pm,n = Обработка результатов эксперимента = Обработка результатов эксперимента.

Из этой формулы видно, что вероятности Рm,n для различного исхода испытаний (появление или не появление определенного результата А) определяется

pn + npn-1q + Обработка результатов эксперимента.

Коэффициенты перед вероятностями р, q являются биноминальными коэффициентами, а общая вероятность представляет слагаемые в разложении бинома ( р + q )n. Поэтому закон распределения случайной величины Х, в котором вероятность наступления событий А определяется коэффициентами бинома, называется биноминальным распределением дискретной случайной величины. Этот закон может быть задан в виде таблицы 1.

Таблица 1

Биноминальный закон распределения

хi

 

0

1

2

...

m

...

n

pi

qn

npqn-1

Обработка результатов эксперимента

...

Обработка результатов эксперимента

...

pn

Биномиальные коэффициенты удобно получать с помощью треугольника Паскаля.

1 n = 0

1 1 n = 1

1 2 1 n = 2

1 3 3 1 n = 3

1 4 6 4 1 n = 4

1 5 10 10 5 1 n = 5

Все строки треугольника ( начинающегося с единицы ) начинаются и заканчиваются единицей. Промежуточные числа получаются сложением соседних чисел вышестоящей строки. Числа, стоящие в одной строке, являются биноминальными коэффициентами соответствующей степени.

Из описания биномиального распределения становится ясно, что область его действия там, где возможно многократное проведение испытаний с известной вероятностью.

Определим основные характеристики этого распределения.

Математическое ожидание

М (Х) = Обработка результатов эксперимента + Обработка результатов эксперимента + Обработка результатов эксперимента = np (q + p)n-1 = np.

Дисперсия распределения может быть определена из общего выражения

Обработка результатов эксперимента,

но это приводит к громоздким вычислениям. В то же время случайная величина Х принимает в каждом опыте только два значения: 1, если событие А произошло и 0, если оно не произошло с вероятностями, соответственно, р или q. Тогда математическое ожидание одного опыта определится

М (Х1) = 0× q + 1×р = р = х

и соответственно дисперсия одного опыта

D (Х1) = (0 - р)2× q + (1 - р)2× р = р2q + q2р = рq (р + q) = рq.

Тогда дисперсия всех n опытов составит

D (X) = n× p× q. Закон Пуассона

В случае малых р ( или, наоборот, близких к 1 ) биноминальный закон распределения можно преобразовать следующим образом

Обработка результатов экспериментаОбработка результатов эксперимента,

где Обработка результатов эксперимента.

Обработка результатов эксперимента

Определим предел Рm,n при n ® ¥ и постоянном m. Тогда пределы

Обработка результатов эксперимента равны единице, а Обработка результатов эксперимента.

Окончательно имеем

Обработка результатов эксперимента.

Это распределение называется законом Пуассона, где l - интенсивность распределения. Используется в задачах с редкими событиями.

Определим его основные характеристики и смысл величины l .

Запишем закон распределения в виде таблицы.

хi

 

0

1

2

...

m

...

pi

e-l

Обработка результатов эксперимента

Обработка результатов эксперимента

...

Обработка результатов эксперимента

...

M (X) = Обработка результатов эксперимента + Обработка результатов эксперимента.

Выражение в скобках есть разложение функции еl в ряд Маклорена.

Поэтому

М (Х) = lе- l еl = l .

Не рассматривая вывод отметим, что

D (Х) = l ,

т.е. дисперсия равна математическому ожиданию.

Рассмотренные виды распределений случайной величины, конечно, не исчерпывают всех существующих распределений. Можно назвать еще несколько: распределение Бернулли, экспоненциальное распределение, гамма - распределение, распределение Вейбула, гипергеометрические распределения и др. При определенных условиях и параметрах один вид распределения может переходить в другой. Поэтому при решении практических задач по законам распределения случайных величин следует обращаться к специальной литературе.

2.4. Понятие статистической гипотезы и статистического критерия

Статистической гипотезой называют любое утверждение о виде или свойствах распределения наблюдаемых в эксперименте случайных величин. Такие утверждения можно делать на основе теоретических соображений или статистических исследований других наблюдений. Например, при многократном измерении некоторой физической величины, точное значение Х которой не известно, но в процессе измерений оно меняется. На результат измерений влияют многие случайные факторы, поэтому результат i - го измерения можно записать в виде аi = Х + e i, где e i - случайная погрешность измерения. Если e i складывается из большого числа ошибок, каждая из которых не велика, то на основании центральной предельной теоремы можно предположить, что случайные величины аi имеют нормальное распределение. Такое предположение является статистической гипотезой о виде распределения наблюдаемой случайной величины.

Если для исследуемого явления сформулирована та или иная гипотеза ( обычно ее называют основной или нулевой гипотезой и обозначают символом

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: